基于二维斑点追踪技术冠心病筛查的集成机器学习方法

摘要

本发明涉及一种基于二维斑点追踪技术冠心病筛查的集成机器学习方法，其包括以下步骤：步骤一、入选多个可疑冠心病对象：步骤二、对各个所述对象进行超声检查，并一一留存对应的切面图像；步骤三、通过EchoPAC对各个所述切面图像进行离线分析；步骤四、从二维斑点追踪心动图得出特征定量和临床特征分类；步骤五、应用t检验比较病例组中冠心病阳性与对照组冠心病阴性各定量特征的差异；将主成分分析PCA应用于峰值收缩应变PSS、应变率SSR和达峰时间TP的17个片段；步骤六、通过两步堆叠法减少分类误差导致的结果错误放大。本发明采用集成机器学习的方法，将19种流行的分类方法整合后，建立模型，以提供最佳诊断预测效果。